Pandas的基础看这一篇足以(有后续)

Pandas概述:

Pandas是一个基于Numpy的数据分析包，它是为了解决数据分析任务而创建的。Pandas中纳入了大量库和标准的数据模型，提供了高效地操作大型数据集所需的函数和方法，使用户能够快速便捷地处理数据。

Pandas特点：

• 一个快速高效的DataFrame对象，具有默认和自定义的索引
  *用于在数据结构和不同文件格式中读取和写入数据，比如文本文件
  *智能数据对齐和缺失数据的集成处理
  *基于标签切片和花式索引获取数据集的子集
  *可以删除或插入来自数据结构的列
  *按数据分组进行聚合和转换
  *高性能的数据合并和连接
  *时间序列功能

Pandas的数据结构分析

Pandas中有两个主要的数据结构：Series和DataFrame。其中Series是一维的、DataFrame是二维的。

Series

Series的介绍

Series是一个类似于一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成。
Series

index	element
0	1
1	2
2	3
3	4
4	5

索引在左，数据在右

Series对象的创建

Pandas的Series类对象可以使用以下构造方法创建：
class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

构造方法中常用参数含义如下：

1.data：传入的数据，可以是ndarray、list等。
2.index：索引，必须是唯一的，且与数据的长度相同。如果没有传入索引参数，默认会自动创建一个从0~N的整数索引。
3.dtype：数据的类型
4.copy：是否复制数据，默认为False

import pandas as pd
ser_obj = pd.Series([1,2,3,4,5])
ser_obj

可以在创建的时候，为数据指定索引：

import pandas as pd
ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj

使用列表构建Series外，可以使用dict进行构建，具体如